未来的战场是一个将受到近邻对手快速变化的技术能力严重影响的战场。在这种环境下的成功将需要简单易用的系统，它能适应各种情况，并能与其他部队和系统整合。多域作战指挥、控制、计算机、通信、作战系统和情报（MDOC5i）旨在为海军陆战队准备未来的战场。由于传统的机器学习技术存在某些缺点，MDOC5i使用矢量关系数据建模（VRDM），为海军陆战队提供适合动态部署的系统。MDOC5i使用全球信息网络架构（GINA）作为其VRDM平台。这项研究使用GINA创建了一个无处不在的决策模型，可以根据美国海军陆战队的场景进行配置。该研究实现了无处不在的模型，并通过一个网络分析用例证明了其功能。这个决策模型将作为所有GINA实施的基础模型。快速构建和调整基于场景的GINA模型并将这些模型整合到一个共同的框架中的能力将为海军陆战队提供对抗未来对手的信息优势。

图. 超图描绘了构成 GINA 决策模型的关键实体。这是图 3.2 中描述的“决策者信息”部分的细分。影响力的三个主要领域是现实世界、网络和网络。本论文中的模型将仅包含网络类别的一部分，特别是 XMPP 流量。这三个领域应被视为为大规模网络诊断设计的决策模型的起点。

引言

在最近的冲突中，美国能够承担对其敌人的技术优势[1]。然而，由于美国已经将重点从反叛乱（COIN）行动转移到与近距离对手的冲突上，这是一种不能再假设的奢侈。美国和国防部必须不断寻求获得并保持对近距离对手的技术优势。所有军种的指挥官都强调了这一点，包括司令部的规划指南[2]。网络战场是一个日益复杂和快速发展的领域，在战争中从来没有出现过像现在这样的能力。目前的对手既有掌握该空间的愿望，也有掌握该空间的能力[1]。人机交互（HCI）将是在未来冲突中实现信息主导的关键。人机交互融合了计算机科学、认知科学和人因工程，以 "专注于技术的设计，特别是用户和计算机之间的互动"[3]。我们必须掌握人机交互，以协助指挥官并保持对敌人的优势

美国海军陆战队（USMC）没有很好的装备来在网络领域取得成功。美国海军陆战队训练和教育司令部（TECOM）已经将这一能力差距确定为一个主要的问题声明："海军陆战队没有接受过应对同行威胁的训练，在这种情况下，我们不再享有数量或技术优势的历史优势。为了在未来的战场上取胜，我们必须提供一个学习框架，以发展适应性和决定性的海军陆战队，并提供训练环境，以产生能够产生决定性效果的互操作单位"［4］。

信息技术的进步产生了一个以网络为中心的应用框架[5]，可以帮助缩小能力差距，使美国海军陆战队保持对对手的网络优势。

1.1 MDOC5i

在为满足指挥官的指导并使美国海军陆战队为网络战场做好准备而采取的举措中，海军陆战队已经建立了多域作战指挥、控制、计算机、通信、作战系统和情报（MDOC5i）。MDOC5i是一个基于陆军网络信息管理环境（ANIME）的系统，提供了一个以网络为中心的因果动态数字孪生环境。利用基于实体的模拟，MDOC5i提供以网络为中心的互操作性和决策模型，可以增强多域作战（MDO）[6]。MDOC5i计划 "提供基层开发的技术，使操作人员能够'推断和适应'不断变化的战斗空间的需求" [7]。MDOC5i确定了需要改进的三个问题领域：互操作性、信息处理和利用，以及文化转变[7]。

随着战场的不断发展，联合解决方案将是获得优势的关键。这些互操作性的解决方案将依赖于网络和通信能力。互操作性是指与整个服务的各种通信系统相关的所有设备之间的通信能力。因此，目前在互操作性方面的差距需要被弥补，以进行联合行动。系统之间的互操作性还没有通过一个标准化的通用方法来实现[7]。MDOC5i认为这个问题的根源在于，当前系统所使用的所有网络都被认为是彼此独立的领域，而不是一个统一的作战指挥和控制（C2）系统[7]。

MDOC5i解决的下一个问题是信息处理和利用。这个问题指的是目前整个海军陆战队没有能力处理大量的信息。数据通常很丰富，而且随着传感器能力的增长，数据会越来越丰富，但很难分析所有的数据并从噪音中分出有用的数据。铺天盖地的数据如果不进行适当的分析，对决策过程是无用的，甚至是有害的。这个问题被具体描述为："当前行动和数据收集的速度超过了我们处理、识别和获取可操作情报的能力，以快速评估、调整和修改计划和实时COA，从而优化部队投射、杀伤力，并实现持久的超额配给"[7]。

为了提高处理越来越多的数据和跟上快速发展的战场的能力，作战人员需要关注人机互动。这种关系对于能够在可操作的时间范围内将大量的数据转化为有用的信息，从而做出更好的决定至关重要。更好的人机交互可以帮助确保 "数据处理和决策的速度与行动的速度相称" [7]。

解决的最后一个问题，即文化转变，涉及美国防部需要调整其在数据整合和联合行动方面的重点。虽然国防部致力于为作战人员提供可操作的情报，但其方法是无效的和低效的[7]。此外，各个军种制定了自己的就业方法和情报方式，这往往会导致联合行动的无效性。为了在目前存在的动态战场上作战，各军种必须共同努力，"使能力与任务、标准操作程序、训练战术和协议、采购和部署政策以及作战部队的整体文化相一致" [7]。

1.2 MDOC5i应用于海军陆战队

5月9日至5月13日，MDOC5i在海军陆战队空地作战中心（MCAGCC）二十九棕榈岛与第七海军陆战队进行了演示。这次初步测试的目的是展示MDOC5i所带来的增强的火力能力，并确定MDOC5i通过提供共同情报图像（CIP）--共同作战图像（COP）和决策支持来增强整个海军陆战队空地特遣部队（MAGTF）的MDO的可行性。

在MCAGCC Twenty-Nine Palms进行的MDOC5i演习成功地描述了该系统的防火能力。MDOC5i系统使用最先进的扫描机制和瞄准系统，将标准装备的区域射击武器转变为精确射击武器平台，能够在几乎没有归零的情况下有效地攻击目标。虽然这本身就大大增加了海军陆战队的杀伤力，但增强的火力能力仅仅是MDOC5i概念所提供的效用的开始。底层系统使用全球信息网络架构（GINA），一个矢量关系数据建模（VRDM）平台，以使所有通过网络连接的单位都能获得准确的COP和CIP。这在战场上提供了一个优势，因为所有单位都获得了意识，并将能够为共享系统提供输入，从而产生最准确的CIP-COP。

这些投入可以用来帮助决策和影响有利于冲突空间竞争的活动。

这一过程的关键使能部分之一是GINA内的决策模型，它能使人采取行动。在二十九棵树的演示中，海军陆战队员被展示了使用标准武器系统对选定目标进行第一轮射击的能力。选定的目标出现在通过网络连接的所有信息显示器上。为了实现目标定位，GINA模型接受目标的输入并将信息传递给所有用户。系统首先决定该目标是一个有效的目标还是一个重复的目标。它通过一个专门设计的决策模型来实现这一目标，该模型将确定的目标与其他绘图的目标进行比较。如果新的目标在指定的距离内，程序会认为它是重复的。这可以防止信息过载，使指挥官对现有的威胁有最准确的描述，以便更好地决定如何使用武器系统来对付敌人的目标。因此，在这个特定的例子中，输入的是确定的目标位置，决定的是该目标是合法的还是重复的，决定的标准是确定与其他已经绘制的目标的距离，结果是对威胁的准确描述，使海军陆战队能够最好地与敌人作战。

在演示中，决策与识别目标有关，而影响的行动与射击有关。然而，如前所述，增强射击能力只是MDOC5i通过基于VRDM的GINA平台所能提供的好处的开始。创建和采用为指挥官提供最新的CIP-COP并帮助决策的模型将对海军陆战队和国防部（DOD）的所有方面都有用。按照目前的情况，每次实施新的模型时，都需要从头开始创建新的决策模型。

1.3 论文重点和MDOC5i的联系

海军研究生院（NPS）论文的目的是在GINA平台上使用VRDM建立一个不可知的决策模型。重点是该模型的普遍性，以便它可以很容易地被塑造为未来的情景。该决策模型扩展了无处不在的数据表概念，以包含关于数据的信息属性，并允许通过基于属性的真值表关系实现来自数据属性和信息属性（逻辑类型）的知识属性。因此，模型将数据转化为信息，然后从已知的真值（既定协议）中获取状态和规定过程的知识，然后模型执行相应的过程。这表明了该方法的普遍性，并使任何数据任务的数据转化为行动。本论文验证了使用基于模型的配置方法，该方法由数据、真值表和状态的概念对象组成，可用于人在/在环的自动数据决定-行动，并可在知识管理图框架内为任何任务进行管理。

建议的模型在通过分析可扩展消息和存在协议（XMPP）消息来确定网络健康状况的情况下进行测试。该模型的输入是可扩展标记语言（XML）消息，旨在复制大规模战术网络的数据包捕获（PCAP）中捕获的XMPP消息。虽然网络诊断分类本身很重要，并证明了功能，但主要的效用将在于决策模型的普遍性。因为该模型是不可知的，它可以很容易地被修改以适应一系列所需的场景。务实地说，它可以作为所有其他GINA实施的基础模型，使海军陆战队实现信息超配。

1.4 假设和研究问题

本论文的假设是，GINA将被证明是一个高效的平台，在这个平台上实现一个可以轻松配置的泛在决策模型，以应对多种情况。在这个假设的核心，主要目标是利用GINA架构成功地设计和实现一个无所不在的决策模型。这项任务已经完成，证明了主要假说的正确性。

本论文的问题包括。

1.无处不在的决策模型能否在GINA的界面中实现？

2.GINA是否为机器学习（ML）提供了一个可行的、可操作的替代方案，该模型是否达到了与传统机器学习技术相同的效果？

3.该模型是否有切实的方面证明比传统机器学习技术优越？

4.该模型和GINA平台能否用于大规模网络流量分析？

与假设一致，第一个问题是最重要的，并且被证明是正确的。所实施的决策模型应该能够促进并推动未来的工作。其余的问题涉及模型的可扩展性和与传统技术相比的性能。虽然这两个概念都没有直接解决，但该模型提供了肯定的机会来测试这些概念。

1.5 使用的工具

为了成功地理解决策模型的实施和它可以应用的规模，有必要了解所涉及的工具。其中一些应用在本论文中直接使用。其他的是在MDOC5i中使用的，对于理解这个模型如何推导到多种情况下是很有用的。这些工具也提供了很好的背景，对未来的工作有好处。

1.5.1 全球信息网络架构

GINA 是一个基于云的、提供可执行建模环境的 VRDM 平台，该平台产生的模型能够进行推理和适应[7], [8]。该架构通过其反思性的、可执行的、基于组件的、与平台无关的和模型驱动的构造，提供先进的数据、信息和知识的互操作性[9]. 该平台使用一种语义结构，使应用领域的用户能够理解组成的模型组件，并形成具有半知觉行为的系统，这对动态任务需求的适应性和可配置的灵活性至关重要。该创新平台是松散耦合的，这意味着它可以通过配置创建模型，使用来自遗留系统、现有系统或未来系统的各种输入[8]，而不会破坏或重新编译。由于概念性的信息对象构造可以临时引入，并可能存在于任何领域，GINA提供了诱人的可能性，美国防部正在探索这种可能性[2]。

GINA技术由方法论、开发工具和可执行模型的部署平台组成，可作为软件程序使用。这些模型不需要被编译，而是在元数据中定义并实时编译。该平台使用通过配置实现的行为、环境和因果的建模概念，以提供定义、操作和互操作性[10]。GINA可以通过其名称的组成部分进一步理解。"全球 "指的是该平台通过多层抽象包含了所有的数字表示。"信息 "指的是可以被建模和管理的静态和动态数据以及互动关系。"网络 "指的是可以通过模型和图表显示、参考和管理的所有互联关系的数字表示。"架构 "意味着GINA是被使用的系统，专门用于制作行为、背景和因果关系的可执行模型[10]。

第二章将深入讨论GINA的优点和特点。

1.5.2 ANIME Dark Stax

Dark Stax是一个由ANIME开发和使用的工具，能够以接近实时的速度创建复杂系统的数字孪生体。这些数字孪生体可以用来操作克隆的系统进行数据操作和决策分析。这种联合有助于数据驱动的决策过程。这个工具能够创建战术网络的克隆，并过滤PCAP数据，为网络诊断模型创建输入[10]。Dark Stax工具由Ad Hoc维护和运行。他们对该工具的掌握为首要的人工智能（AI）技术和VRDM技术的结合提供了巨大的效用。

1.5.3 StarUML

StarUML是一个开源的软件建模平台，支持统一建模语言（UML）[11]。它被设计为支持简明和敏捷的建模，并提供系统叠加的可视化描述[12]。本文使用UML图来描述实现的VRDM模型的静态和动态方面。UML并没有捕捉到VRDM模型中包含的所有细节，但它确实捕捉到了最重要的信息，并提供了模型中连接的清晰叠加。

在这个项目中，它只被用于GINA模型的可视化和文档化。然而，我们的意图是使GINA能够接受UML设计作为输入。因此，一个系统可以用UML建模并输入到GINA中，以放弃配置。

1.5.4 目标光标仿真器

Cursor On Target（COT）"是一个互联网协议和一个基于XML的机器对机器模式，可以被任何系统读取和理解，使专有和开放源码系统能够相互通信"[13]。模拟器在GINA模型中被用来模拟XMPP流量。XMPP消息的样本在一个文本文件中生成。然后，Cursor On Target Simulator（COTS）模拟器将文本文档的内容作为XML输入到GINA。这个XML是决策模型的输入。